[发明专利]图像处理方法和装置、电子设备、存储介质、程序产品

权利要求书

1.一种图像处理方法，其特征在于，包括：

对待处理的图像进行特征提取以生成所述图像的特征图；

确定所述特征图包括的多个特征点中每个特征点对应的特征权重，其中，所述特征图包括的特征点的特征权重包括向内接收权重和向外发送权重；所述向内接收权重表示特征点接收所述特征图包括的其他特征点的特征信息时的权重；所述向外发送权重表示特征点将特征信息向所述特征图包括的其他特征点传输时的权重；

将所述特征权重对应的特征点的特征信息分别传输给所述特征图包括的多个其他特征点，获得特征增强后的特征图。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述特征增强后的特征图进行所述图像的场景分析处理或物体分割处理。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据场景分析处理结果或物体分割处理结果，进行机器人导航控制或车辆智能驾驶控制。

4.根据权利要求1-3任一所述的方法，其特征在于，所述确定特征图包括的多个特征点中每个特征点对应的特征权重，包括：

对所述特征图进行第一分支处理，获得包括的多个特征点中每个特征点的向内接收权重的第一权重向量；

对所述特征图进行第二分支处理，获得包括的多个特征点中每个特征点的向外发送权重的第二权重向量。

5.根据权利要求4所述的方法，其特征在于，所述对所述特征图进行第一分支处理，获得包括的多个特征点中每个特征点的向内接收权重的第一权重向量，包括：

通过神经网络对所述特征图进行处理，获得第一中间权重向量；

去除所述第一中间权重向量中的无效信息，获得所述第一权重向量，所述无效信息表示所述第一中间权重向量中对特征传输没有影响或影响程度小于设定条件的信息。

6.根据权利要求5所述的方法，其特征在于，所述通过所述神经网络对所述特征图进行处理，获得所述第一中间权重向量，包括：

将所述特征图中每个所述特征点分别作为第一输入点，将所述第一输入点周围所有位置作为所述第一输入点对应的第一输出点，所述周围所有位置包括所述特征图中的多个特征点和所述第一输入点在空间位置上的多个相邻位置；

获得所述特征图中第一输入点与所述第一输入点对应的所有第一输出点之间的第一传递比例向量；

基于所述第一传递比例向量获得所述第一中间权重向量。

7.根据权利要求6所述的方法，其特征在于，所述去除所述第一中间权重向量中的无效信息，获得所述第一权重向量，包括：

从所述第一中间权重向量中识别到所述第一输出点包括的信息为空的第一传递比例向量；

在所述第一中间权重向量中去除所述第一输出点包括的信息为空的第一传递比例向量，获得所述特征图的所有所述向内接收权重；

基于所有所述向内接收权重确定所述第一权重向量。

8.根据权利要求7所述的方法，其特征在于，所述基于所有所述向内接收权重确定所述第一权重向量，包括：

将所述向内接收权重按照对应的所述第一输出点的位置排列，获得所述第一权重向量。

9.根据权利要求5-8任一所述的方法，其特征在于，所述通过卷积网络对所述特征图进行处理，获得第一中间权重向量之前，还包括：

通过卷积层对所述特征图进行降维处理，获得第一中间特征图；

所述通过神经网络对所述特征图进行处理，获得第一中间权重向量，包括：

通过所述神经网络对所述降维后的第一中间特征图进行处理，获得所述第一中间权重向量。